【在Centos服务器应用tess4j实现ORC图片识别】

tess4j简介

Tesseract-OCR支持多语言识别(需要引入响应的语言库)，并且开源和提供全套的训练工具,是快速低成本开发的首选。Tess4J是Tesseract在Java PC上的应用。在英文和数字识别中效果还是相当不错的，在中文识别中，无论速度还是识别率还是较弱，如果有条件可以针对场景进行训练，会获得较好结果。
tess4j对win的支持度很高，不需要额外的安装其他插件。但是我们多数应用服务都是部署在linux服务器中，本文就是针对这需求，重点讲解如何在centos服务器使用tess4j进行orc识别。

Tesseract安装

1. 编译环境
   通过命令安装编译环境，通常情况下，服务器都具备该编译环境，如果已经具备可以跳过此步骤。

yum install gcc gcc-c++ make

2. 安装 autoconf automake libtool和libjpeg-devel libpng-devel libtiff-devel zlib-devel

 yum install autoconf automake libtool
 yum install libjpeg-devel libpng-devel libtiff-devel zlib-devel

3. 安装依赖的Leptonica库，依次执行以下命令安装，leptonca版本可以根据实际情况更换，资源地址
   letonica版本资源

wget https://github.com/DanBloomberg/leptonica/releases/download/1.82.0/leptonica-1.82.0.tar.gz

tar -xzvf leptonica-1.82.0.tar.gz

cd leptonica-1.82.0

./configure

make && make install

4. 加入环境变量

vim /etc/profile
在最后插入

export LD_LIBRARY_PATH=$LD_LIBRARY_PAYT:/usr/local/lib
export LIBLEPT_HEADERSDIR=/usr/local/include
export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig

是配置生效
source /etc/profile  

5. 安装 安装Tesseract-OCR，依次执行以下命令完成安装

wget https://github.com/tesseract-ocr/tesseract/archive/refs/tags/5.2.0.tar.gz

tar -xzvf tesseract-5.2.0.tar.gz 

cd tesseract-5.2.0/

./autogen.sh

./configure

make && make install

sudo ldconfig

ps：在执行autogen.sh 时，我在另外一台服务器上遇到错误
configure.ac:8: error: Autoconf version 2.69 or higher is required

提示我的 Autoconf 版本太低，需要安装2.69或更高的版本，autoconf安装命令如下

wget  http://ftp.gnu.org/gnu/autoconf/autoconf-2.71.tar.gz
tar -zxvf autoconf-2.71.tar.gz
cd autoconf-2.71
./configure
make && make install

安装完成之后 重新执行

./autogen.sh

./configure

make && make install

sudo ldconfig

6. 复制tess4j要的linux依赖库链接

cp /usr/local/lib/*.so.* /usr/lib64/

7. 下载所需语言包上传到 /usr/local/share/tessdata
   语言包下载地址
8. 安装完成后可以执行 tesseract --version 测试安装结果

Java代码实现

1. 在maven项目中引入tess4j的资源

        <!-- https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j -->
        <dependency>
            <groupId>net.sourceforge.tess4j</groupId>
            <artifactId>tess4j</artifactId>
            <version>5.3.0</version>
        </dependency>

2. java代码实现demo

        ITesseract instance = new Tesseract();  // JNA Interface Mapping
        //tess4jDataPath 语言包路径 
        instance.setDatapath("/usr/local/share/tessdata");
        //语言类型 chi_sim 中文 eng 英文
        instance.setLanguage("chi_sim");
        // 获取图片文件信息
        String content =instance.doOCR(imageFile);

结语

纸上得来终觉浅，绝知此事要躬行。